基于文本编码统一异构电子健康记录系统
计算与语言
2022-01-19 v4 机器学习
摘要
EHR（电子健康记录）系统缺乏统一的医学概念编码系统，这阻碍了深度学习模型在多家诊所和医院大规模部署。为克服该问题，我们提出 DescEmb（基于描述的嵌入），一种与编码无关的 EHR 表示学习框架。DescEmb 利用神经语言理解模型的灵活性，通过临床事件的文本描述而非直接将每个事件映射到专用嵌入来嵌入临床事件。在大量实验中，DescEmb 优于传统的基于编码的嵌入，尤其在零样本迁移任务（一家医院到另一家医院）中，并能够为异构 EHR 数据集训练单一统一模型。
引用
@article{arxiv.2111.09098,
title = {Unifying Heterogeneous Electronic Health Records Systems via Text-Based Code Embedding},
author = {Kyunghoon Hur and Jiyoung Lee and Jungwoo Oh and Wesley Price and Young-Hak Kim and Edward Choi},
journal= {arXiv preprint arXiv:2111.09098},
year = {2022}
}
备注
Machine Learning for Health (ML4H) at NeurIPS 2021 - Extended Abstract. This is a condensed version of arXiv:2108.03625. arXiv admin note: substantial text overlap with arXiv:2108.03625